多组学血液检测技术SeekInCare在多种癌症早期诊断中的临床验证：回顾性与前瞻性队列研究

为解决传统癌症筛查方法单一性导致的检测效率不足问题，本研究开发了基于cfDNA多组学特征（CNA/FS/end motif/病毒）联合7种蛋白标志物（PTMs）的SeekInCare检测技术。通过回顾性（n=1197）和前瞻性队列（n=1203）验证，该技术实现60.0%灵敏度（98.3%特异性）和70.0%前瞻性灵敏度（95.2%特异性），并能预测肿瘤原发部位（Top2准确率85.3%），为高风险人群提供高效经济的多癌种早筛方案。

　　

癌症是全球第二大死因，每年新增1900万病例，但多数患者确诊时已处于晚期。现有筛查手段如肠镜、乳腺X线等存在侵入性强、依从性低且仅针对单一癌种的局限。尽管ctDNA检测技术快速发展，但基于单组学（如突变或甲基化）的方法受限于肿瘤异质性和克隆造血干扰，灵敏度难以突破。如何通过非侵入性手段实现高特异性、广谱癌种覆盖的早期检测，成为临床亟待解决的难题。

北京大学深圳医院等机构的研究团队开发了创新性多组学血液检测技术SeekInCare，通过整合基因组（拷贝数变异CNA）、表观组（片段大小FS/末端基序end motif）、病毒组（致癌病毒）和蛋白组（7种PTMs）特征，结合人工智能算法，在单管血样中实现多癌种早期诊断和组织溯源。这项发表于《The Journal of Molecular Diagnostics》的研究，通过回顾性和前瞻性队列验证，证实其性能媲美国际同类技术，为癌症早筛提供了更具成本效益的解决方案。

关键技术方法包括：1）从8mL外周血分离cfDNA进行浅层全基因组测序（sWGS，3×覆盖度）；2）检测CNA、FS谱、end motif和致癌病毒序列；3）平行检测7种PTMs（α-胎蛋白/CA125等）；4）建立癌症风险评分（CRS）模型和随机森林组织溯源（TOO）模型；5）在617例癌症患者和580例对照的回顾性队列及1203例的前瞻性队列中验证性能。

研究结果：
Participant Demographics
回顾性队列涵盖27种癌症类型，66.3%为局部病变（I-III期）。癌症组平均年龄56.0岁，显著高于对照组48.3岁（P=0.05），性别分布均衡。

Plasma Protein Markers Are Indicative of Cancer
OncoSeek模型在胰腺癌（AUC=0.923）、肝癌（0.876）和结直肠癌（0.860）中表现最佳。特定标志物如CA19-9对胰腺癌、α-胎蛋白对肝癌具有高度特异性。

CNA Mutational Pattern Across Different Cancer Types
通过梯度稀释实验确定CNA检测下限为0.4%肿瘤分数。88%癌症存在非整倍体，不同癌种呈现特征性变异模式，如肝癌9p21缺失（CDKN2A基因位点）和乳腺癌17q12扩增（ERBB2基因）。

Characterizing Differences in cfDNA Fragment Size Distribution
癌症患者cfDNA呈现左移特征（短片段富集），且存在10bp周期性差异。肝癌在8q/17q区域呈现高短片段比例的特异性模式。

A Multi-Omics and Multimodal CRS Model
多组学整合使AUC提升至0.899（单组学最高0.877），灵敏度达60.0%（单组学最高46.2%）。致死率高的肝癌（74.4%）、胰腺癌（70.6%）检出率显著高于惰性甲状腺癌（12.5%）。

TOO Prediction
对8种主要癌种的Top1/Top2预测准确率分别达71.3%和85.3%，其中肝癌、结直肠癌的溯源特征最显著。

Prospective Study Performance
前瞻性验证显示70.0%灵敏度（95.2%特异性），阳性预测值10.9%。CRS>2组癌症发生率是阴性组的36倍（10.9% vs 0.3%，P<0.0001）。

结论与意义：
该研究首次证实整合cfDNA多组学特征与蛋白标志物的多模态策略可显著提升MCED性能。相较于GRAIL的甲基化检测（CCGA研究）和Exact Sciences的突变检测，SeekInCare以更低成本（sWGS仅需30×WGS的10%费用）实现相当效能。其独特优势在于：1）规避克隆造血干扰；2）优先检出高致死率癌种；3）简化流程（单管血/无白细胞对照）；4）CE-IVD认证便于临床推广。局限性包括前瞻性队列样本量较小，且食管癌等罕见癌种溯源能力待提升。未来可通过扩大队列、优化特征权重进一步提高特异性，并与影像学等联用构建分层筛查体系。这项来自中国团队的研究为全球癌症早筛领域提供了创新性技术路径，尤其对医疗资源不均地区的高危人群筛查具有重要实践价值。